Machine Learning

Alle Artikel mit diesem Stichwort

sepago Spezialisten bloggen über Citrix und Microsoft

Hier bloggen sepago-Spezialisten über ihre Themen: Automatisierung, Cloud Solutions, IT-Security, aktuelle Entwicklungen rund um Citrix- und Microsoft-Technologien, Arbeitskultur.

| |
Künstliche Intelligenz: Zwischen Hype und Realität Web de Cologne Netzwerktreffen @sepago

Künstliche Intelligenz: Zwischen Hype und Realität Web de Cologne Netzwerktreffen @sepago

Künstliche Intelligenz ist das Thema des nächsten Web de Cologne e.V. Netzwerktreffens, dieses Mal in den Räumen der sepago GmbH.

Künstliche Intelligenz/ Artificial Intelligence und Machine Learning verändern unser Leben und eröffnen Unternehmen in vielen Bereichen neue Möglichkeiten.

Intelligente Algorithmen verarbeiten in kurzer Zeit gigantische Datenmengen. Sie analysieren Sprache, lesen biometrische Daten und, und, und. Chancen und Risiken sind gleichermaßen mit KI/ AI verbunden.

Wir widmen uns an diesem Abend der künstlichen Intelligenz und geben Antworten auf die Fragen:

  • Was ist künstliche Intelligenz?
| |

Sepago auf der Internet Impulse Köln 2017

Think and Change lautet das Motto der Internet Impulse 2017, dem Event in Köln rund um das Thema Digitalisierung.

Unter diesem Leitmotiv laden wir Sie herzlich zu zwei kostenlosen Events in unsere Geschäftsräume ein:

Praxisworkshop Machine Learning

Machine Learning im Kontext Ihres Unternehmens

  • Einführung: Wir vermitteln Ihnen einen Überblick über das Thema Machine Learning.
  • Praxis: Mit Hilfe der Microsoft Cognitive Services zeigen wir mit eigenen Skripten und kleinen Programmen einfache und mächtige Anwendungsfälle: z.B.
| |

Fun with Microsoft Azure Machine Learning #AzureML – Szenario: Roulette Permanenzen

Im Dezember habe ich auf dem sepagoForum in Köln einen eher unterhaltsamen Vortrag zu Azure Machine Learning gehalten: „Fun with Azure Machine Learning“. Neben einer kurzen Einführung in neuronale Netze und AzureML habe ich verschiedene Szenarien vorgestellt. In den Szenarien habe ich gezeigt, ob neuronale Netze bestimmte Aufgaben lösen können oder eben nicht. Eines dieser Szenarien stelle ich hier vor.

Szenario: Roulette Permanenzen

Wer schon mal in einem Casino war, hat es bereits gesehen: Es gibt Menschen,

| |

Fun with Microsoft Azure Machine Learning #AzureML – Scenario: Roulette Permanencies

In December, I gave an entertaining lecture on Azure Machine Learning during our sepagoForum event in Cologne, titled „Fun with Azure Machine Learning“. In addition to a brief introduction to neural networks and AzureML, I presented a few different scenarios, in which I tried to figure out which neural networks may or may not solve specific tasks. One of these scenarios is presented here.

Scenario: Roulette permanencies

If you have ever have been to a casino you have probably seen this: There are people who note where the ball landed last,

| |

Improved Datamining using Azure Machine Learning #AzureML – Part 2 – Technical Details

Techincal Details

The analysis of new tweets based on “learning” is built using a 4-tier application in Microsoft Azure:

Azure machine learning API:

AzureML provides the prediction model and can be accessed through the web job using the API.

Web job in Azure:

The job (c#) reads new tweets once an hour and passes them to AzureML for classification. The prediction of each tweet is stored in the Azure SQL database.

| |

Improved Datamining using Azure Machine Learning #AzureML – Part 1 – Introduction

This is the English version of my German article on Microsoft Tech Hub: https://www.microsoft.com/germany/technet/case-studies/verbesserte-informationsbeschaffung-durch-azure-machine-learning.aspx

Sepago as a technology and consulting company located in Cologne, Hamburg and Munich stands out due to its expertise in Automation of Cloud and Application Infrastructure. Sepago’s  IT infrastructure serving  their  more than 70 employees as well as external partners is provided through Microsoft Azure and additionally on premise servers, which make desktops and applications for notebooks, tablets and smartphones (Windows phone,

| |

Improved Datamining using Azure Machine Learning #AzureML – Part 3 – Build the prediction model

Build the prediction model

Using “Setup Web-services / Predictive Web Service (Recommended)” AzureML creates the Predictive Experiment based on the training model.

Web Service Input” and “Web Service Output” are added to the predictive experiment as well in order to display input (Tweets) and output (Forecast).

Between “Sore Model” and “Web Service Output” the function “Project Columns” is inserted and configured.

| |

Fun with Microsoft azure machine learning #AzureML – scenario: weather prediction

In December I gave a rather entertaining lecture on Azure Machine Learning on the sepagoForum in Cologne: „Fun with Azure Machine Learning“. In addition to a brief introduction to neural networks and AzureML, I presented different scenarios. In these scenarios I figured out, whether neural networks may or may not solve specific tasks. One scenario is presented here.

Scenario: Weather/temperature prediction for tomorrow

Neural networks are able to make predictions on the basis of what they have learned.

| |

Fun with Microsoft Azure Machine Learning #AzureML – Szenario: Wettervorhersage

Microsoft hat meine Success Story zu Microsoft Azure Machine Learning auf dem TechNet / IT Pro Hub veröffentlicht:

Auszug aus dem Inhalt:

Zum Erkennen von IT-Trends verwendet die sepago ein auf Azure abgebildetes Analyseverfahren, welches bestimmte Tweets analysiert. Dieses Projekt „Twends“ wurde bereits auf dem IT Pro Hub in einer eigenen Case Study beschrieben. Das Projekt soll erweitert werden und interessante/wichtige Tweets aus dem Informationsstrom von Twitter direkt hervorheben und anzeigen. 

| |

Resolved: Error while using Azure Logic Apps to retrain Azure Machine Learning – Permissions for service „AzureMLLogicAppConnector“ are set to internal but this request was external

I used Azure Logic App to retrain an experiment in AzureML regularly. Therefore, I build a logic app to do this. If I start the logic app I got the following error:

Permissions for service „AzureMLLogicAppConnector“ are set to internal but this request was external

1
2
3
4
5

„body“: {
        „status“: 403,
        „source“: „https://twxressc33ceb5b9891445aba4a46366f9a9761.azurewebsites.net/api/CheckStatus?url=&api=mMSdA80GHmzISyG?????????????????????????????lUmQHx5K%2ByNANYmzx4GuyuUwIjL????????????????KOQ%3D%3D“,
        „message“: „Permissions for service \“AzureMLLogicAppConnector\“ are set to internal but this request was external.“
    }

The following resolve this error: Set Access Level to “Public (authenticated)” in application settings

Resource group / Resources / AzureMLLogicAppConnector / All settings / Application settings

I think the reason is the different location of the resource group and the endpoint.